深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
1	2026-10-05	Selection of Convolutional Neural Network Model for Bladder Tumor Classification of Cystoscopy Images and Comparison with Humans 2024-10, Journal of endourology IF:2.9Q1 DOI:10.1089/end.2024.0250 PMID:38877795	研究论文	该研究探索了多种卷积神经网络（CNN）深度学习算法，以选择合适的人工智能（AI）模型用于膀胱肿瘤分类的膀胱镜图像诊断，并将所选模型的性能与医学生和泌尿科医生进行比较	系统比较了17种CNN模型在膀胱肿瘤膀胱镜图像分类中的性能，并首次将AI模型与不同经验水平的医生（医学生和泌尿科医生）进行诊断性能对比	样本量相对有限，仅来自单一机构的数据，未进行外部验证，可能影响模型的泛化能力	选择适合膀胱肿瘤膀胱镜图像分类的CNN模型，并评估其与人类（医学生和泌尿科医生）的诊断性能差异	膀胱肿瘤患者的膀胱镜图像，包括肿瘤图像和正常图像	计算机视觉	膀胱癌	膀胱镜检查	CNN	图像	3,731张膀胱镜图像，来自543例膀胱肿瘤病例和219例正常病例，其中包含2,191张肿瘤图像	NA	EfficientNetB0	平衡准确率, 灵敏度, 特异度, AUC, ROC曲线	NA
2	2025-07-25	Halted medical education in Korea amid Nobel Prizes in deep learning and machine learning research, tribute to a leader of Ewha Womans University College of Medicine, and highlights from this issue 2024-Oct, Ewha medical journal IF:0.3Q3 DOI:10.12771/emj.2024.e71 PMID:40703983	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3	2026-09-23	Scaling Up Bayesian Neural Networks with Neural Networks 2024-Oct, Transactions on machine learning research PMID:42376641	研究论文	本文提出了一种新颖的校准-仿真-采样策略，以提高贝叶斯神经网络的计算效率	提出了一种结合校准、仿真和采样的新框架，利用神经网络仿真器加速后验采样	未明确提及	提高贝叶斯神经网络的计算效率，同时保持预测准确性和不确定性量化性能	贝叶斯神经网络	机器学习	NA	NA	贝叶斯神经网络	模拟数据和真实数据	未明确提及	NA	NA	预测准确性, 不确定性量化	NA
4	2026-09-19	Enhancing origin prediction: deep learning model for diagnosing premature ventricular contractions with dual-rhythm analysis focused on cardiac rotation 2024-10-03, Europace : European pacing, arrhythmias, and cardiac electrophysiology : journal of the working groups on cardiac pacing, arrhythmias, and cardiac cellular electrophysiology of the European Society of Cardiology IF:7.9Q1 DOI:10.1093/europace/euae240 PMID:39271126	研究论文	本文开发了一种结合ResNet50和Transformer的深度学习模型，利用双节律分析（窦性心律和室性早搏）来预测室性早搏的起源，并比较了双节律模型与仅使用室性早搏的模型的性能	首次将窦性心律与室性早搏形态结合进行双节律分析，并量化了各导联在预测室性早搏起源中的贡献，特别是在不同心脏旋转方向下窦性心律的重要性	样本量相对有限（593例），且未详细报告计算资源；外部验证仅来自一个中心（比利时），可能存在选择偏倚	比较双节律模型与室性早搏模型在预测室性早搏起源中的性能，并评估窦性心律的贡献	593例接受室性早搏消融的患者，来自11个中心（日本、德国和比利时）	机器学习	心血管疾病	12导联心电图	CNN, Transformer	图像	593例患者（493例来自日本和德国作为训练/内部验证，100例来自比利时作为外部验证）	NA	ResNet50, Transformer	准确率, 精确率, 特异性, AUC, F1分数	NA
5	2026-09-19	Schizophrenia diagnosis using the GRU-layer's alpha-EEG rhythm's dependability 2024-10, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2024.111886 PMID:39217668	研究论文	该研究提出了一种基于门控循环单元（GRU）的深度学习模型RDCGRU，用于利用alpha-EEG节律诊断精神分裂症，并验证了alpha节律在该模型中的可靠性。	提出了RDCGRU模型，结合了密集耦合卷积和门控循环单元，使用指数线性单元激活函数，有效缓解梯度消失/爆炸问题，并首次验证了alpha-EEG节律在GRU-based模型中对精神分裂症诊断的优越性。	未明确提及	利用深度学习技术，基于EEG节律（特别是alpha节律）实现精神分裂症的辅助诊断，并验证alpha节律的可靠性。	精神分裂症患者和健康对照的EEG信号	机器学习	精神分裂症	EEG	CNN, GRU	信号	NA	NA	RDCGRU（包含1-D卷积层、密集耦合卷积层和GRU层）	准确率	NA
6	2026-09-19	Accuracy of Artificial Intelligence Models in the Prediction of Periodontitis: A Systematic Review 2024-10, JDR clinical and translational research DOI:10.1177/23800844241232318 PMID:38589339	系统综述	本文系统综述了人工智能模型在预测牙周炎方面的准确性，分析了8项相关研究	系统评估了不同AI模型在牙周炎预测中的表现，并采用QUADAS-2工具进行偏倚风险评估	大多数研究为回顾性设计，未采用最新的深度学习网络，缺乏标准化的数据收集和分析方案	检验各种AI模型在预测牙周炎方面的准确性证据	牙周炎预测相关的研究文献	机器学习	牙周炎	NA	人工神经网络, 支持向量机, 决策树, 逻辑回归, 随机森林	文本	961条记录筛选后纳入8篇文章	NA	人工神经网络, 支持向量机, 决策树, 逻辑回归, 随机森林	NA	NA
7	2026-09-18	Analyzing variation of water inflow to inland lakes under climate change: Integrating deep learning and time series data mining 2024-10-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.119478 PMID:38917931	研究论文	该研究提出了一种名为FactorConvSTLnet（FCS）的新方法，通过整合STL分解、卷积神经网络（CNN）和因子分析来预测气候变化背景下内陆湖泊的入湖水量趋势并揭示主要驱动因素	提出了新型FactorConvSTLnet（FCS）方法，将STL分解、CNN和因子分析集成到统一框架中，通过将趋势信息分离为建模预测因子，在长期WIRL趋势预测中更具鲁棒性，同时能揭示主要驱动因素	仅应用于中亚两个典型内陆湖泊（咸海和巴尔喀什湖），方法的泛化性有待在其他区域和湖泊中进一步验证	预测河流入湖水量趋势并揭示气候变化背景下主要影响因素，为促进区域生态可持续发展提供科学依据	中亚典型内陆湖泊（咸海和巴尔喀什湖）的河流入湖水量（WIRL）	机器学习	NA	STL分解、因子分析、时间序列数据挖掘	CNN	时间序列数据	NA	NA	FactorConvSTLnet（FCS），基于CNN	Nash-Sutcliffe效率（NSE）、均方根误差（RMSE）、平均相对误差（MRE）	NA
8	2026-09-16	Overcoming artificial structures in resolution-enhanced Hi-C data by signal decomposition and multi-scale attention 2024-Oct-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.21.619560 PMID:39484541	研究论文	本文提出了一种名为SHARP的新方法，通过信号分解和多尺度注意力机制来增强Hi-C数据的分辨率，避免人工结构的产生	将数据分解为三种信号类型（一维邻近性、连续域和其他精细结构），仅对第三类信号应用深度学习，避免分块对前两类信号增强的影响；使用局部和全局注意力机制捕获多尺度上下文信息	未明确提及	从有限分辨率的全基因组Hi-C数据中推断高分辨率特征，并克服深度学习增强中产生的人工结构问题	Hi-C数据（染色体构象捕获数据）	基因组学	NA	Hi-C	深度学习	Hi-C接触矩阵	新样本数据和另一物种的数据	NA	NA	分辨率增强准确性、避免人工结构、识别显著相互作用、染色质状态富集	NA
9	2026-09-13	Prediction of antibiotic resistance mechanisms using a protein language model 2024-10-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae550 PMID:39254573	研究论文	该研究提出了一种基于蛋白质语言模型ProteinBERT的方法，用于预测抗生素抗性基因（ARGs）的抗性机制。	使用蛋白质语言模型ProteinBERT预测ARG的抗性机制，在低同源性数据集上优于现有方法，并通过注意力分析揭示了模型的可解释性，能够识别保守氨基酸残基和抗生素靶标结合位点等生物学相关特征。	摘要中未明确提及研究的局限性。	预测抗生素抗性基因（ARGs）的抗性机制，以理解并对抗抗生素抗性问题。	抗生素抗性基因（ARGs）及其对应的抗性机制。	生物信息学、机器学习	细菌感染	蛋白质语言模型（ProteinBERT）	蛋白质语言模型（pLM），基于深度学习的Transformer架构	蛋白质序列数据	摘要中未明确提及具体的样本数量。	NA	ProteinBERT（基于Transformer的蛋白质语言模型）	摘要中未明确提及具体的性能指标，但提到优于现有技术。	摘要中未明确提及计算资源。
10	2026-09-13	TAWFN: a deep learning framework for protein function prediction 2024-10-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae571 PMID:39312678	研究论文	本文提出了一种结合卷积神经网络和自适应图卷积网络的深度学习框架TAWFN，用于蛋白质功能预测	提出双模型自适应权重融合网络，将氨基酸接触图和序列的深度学习特征与自适应图卷积网络结合，动态计算权重融合两个模型的初步预测结果	未明确说明	从蛋白质结构出发，提高蛋白质功能预测的准确性	蛋白质结构和序列	机器学习	NA	深度学习	CNN, GCN	蛋白质结构数据	PDBset和AFset数据集	NA	自适应图卷积网络, 多层卷积神经网络	AUPR, Fmax, Smin	NA
11	2026-09-13	Identifying nucleotide-binding leucine-rich repeat receptor and pathogen effector pairing using transfer-learning and bilinear attention network 2024-10-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae581 PMID:39331576	研究论文	该论文提出了一种名为ProNEP的深度学习算法，通过结合迁移学习和双线性注意力网络来预测核苷酸结合富含亮氨酸重复序列受体（NLR）与病原体效应蛋白之间的配对关系	将NLR与效应蛋白的配对预测任务概念化为蛋白质-蛋白质相互作用预测任务，并结合迁移学习与双线性注意力网络实现高通量识别，同时发现了91291个NLRs中仅有387个CNEs被确认的数据稀缺问题	CNE数据非常稀缺，仅有387个已知的CNE对，严重限制了模型的训练和泛化能力	以高通量方式识别NLR与效应蛋白的配对关系，解决CNE数据稀缺问题，推动生物学、免疫学和作物育种的发展	核苷酸结合富含亮氨酸重复序列受体（NLRs）和病原体效应蛋白	机器学习	NA	NA	双线性注意力网络	序列数据	91291个NLRs和387个CNEs	NA	双线性注意力网络	NA	NA
12	2026-09-13	Learning to explain is a good biomedical few-shot learner 2024-10-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae589 PMID:39360976	研究论文	本文提出了一种名为LetEx的多任务生成方法，利用大语言模型生成的推理解释来增强生物医学小样本学习的归纳推理能力	首次探索可解释性对生物医学小样本学习的影响，提出利用LLMs通过CoT提示和自我训练策略收集高质量解释，并将各种生物医学NLP任务统一转化为文本到文本的生成任务，以解释作为额外监督信号进行多任务训练	未明确提及	研究生物医学小样本学习这一更现实的场景，并探索可解释性对生物医学小样本学习的影响	六个生物医学基准数据集上的三种小样本设置下的多种生物医学NLP任务	自然语言处理	NA	大语言模型、CoT提示、自我训练策略	生成式模型、多任务学习模型	文本	六个生物医学基准数据集	NA	LetEx（220M参数生成式模型）	准确率等（相比强基线模型提升高达6.41%）	NA
13	2026-09-13	PocketDTA: an advanced multimodal architecture for enhanced prediction of drug-target affinity from 3D structural data of target binding pockets 2024-10-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae594 PMID:39365726	研究论文	开发了一种名为PocketDTA的多模态架构，利用目标结合口袋的3D结构数据增强药物-靶标亲和力的预测	通过预训练模型ESM-2和GraphMVP增强泛化性能，利用定制的GVP-GNN层和GraphMVP解码器巧妙处理前3个目标结合口袋和药物3D信息，并使用双线性注意力网络增强可解释性	摘要中未明确提及	准确预测药物-靶标结合亲和力，以促进药物发现和重定位	药物-靶标结合亲和力预测	机器学习	NA	NA	GVP-GNN, 双线性注意力网络	3D结构数据	Davis和KIBA数据集（具体样本量未提供）	NA	ESM-2, GraphMVP, GVP-GNN, 双线性注意力网络	NA	NA
14	2026-09-13	MSDAFL: molecular substructure-based dual attention feature learning framework for predicting drug-drug interactions 2024-10-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae596 PMID:39383521	研究论文	本文提出了一个基于分子子结构的双重注意力特征学习框架MSDAFL，用于预测药物-药物相互作用	利用药物对子结构之间的交互信息，通过自注意力模块和交互注意力模块提取子结构模式及子结构间交互向量，并基于余弦相似度进一步捕捉药物对自注意力向量之间的交互特征，同时进行归一化以缓解过拟合	未明确提及	充分利用药物对子结构之间的信息以提升药物-药物相互作用预测性能	药物-药物相互作用（DDI）	机器学习	NA	NA	注意力机制	分子结构数据	三个数据集（具体样本量未在摘要中说明）	NA	自注意力模块, 交互注意力模块, 基于余弦相似度的交互模块	精确率（precision）, AUC	NA
15	2026-09-13	Anti-symmetric framework for balanced learning of protein-protein interactions 2024-10-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae603 PMID:39404784	研究论文	提出了一种反对称图学习模型BaPPI，用于蛋白质-蛋白质相互作用的平衡预测和模式外推	1. 提出反对称图卷积网络建模PPI网络中的不均匀分布，学习更鲁棒和平衡的表示；2. 采用无注意力机制（循环卷积算子）高效处理蛋白质数据的上下文信息，避免二次复杂度；3. 使用非对称损失函数更新模型，解决PPI特征不平衡问题	未明确说明	高效预测蛋白质-蛋白质相互作用，并解决PPI数据不平衡和长程依赖计算成本高的问题	蛋白质-蛋白质相互作用（PPI）网络及蛋白质序列数据	机器学习	NA	NA	图卷积网络	图数据、序列数据	SHS27K和SHS148K数据集	PyTorch	反对称图卷积网络、循环卷积算子	Micro-F1	NA
16	2026-09-10	Investigation of Unsafe Construction Site Conditions Using Deep Learning Algorithms Using Unmanned Aerial Vehicles 2024-Oct-20, Sensors (Basel, Switzerland) DOI:10.3390/s24206737 PMID:39460217	研究论文	本研究利用无人机搭载深度学习算法，实时检测建筑工人是否佩戴安全帽，以提升施工安全。	将无人机与Faster R-CNN算法结合，实现实时、高精度的工人安全帽佩戴检测，并集成警报系统。	实验在特定施工场景下进行，可能无法完全覆盖所有复杂环境条件。	利用无人机技术监测个人防护装备使用情况，特别是安全帽佩戴，以减少高处坠落和物体打击事故。	建筑工地工人及其安全帽佩戴状态。	计算机视觉	不适用	无人机成像	Faster R-CNN	图像	未提供具体样本数量	TensorFlow	Faster R-CNN	精确率、平均精度均值、每秒帧数	未提供具体计算资源信息
17	2026-09-06	Deep Learning Artificial Intelligence Predicts Homologous Recombination Deficiency and Platinum Response From Histologic Slides 2024-10-20, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO.23.02641 PMID:39083703	研究论文	本研究开发了DeepHRD深度学习平台，利用常规苏木精-伊红染色组织切片预测乳腺癌和卵巢癌的同源重组缺陷状态，并评估其预测铂类药物反应的能力	首次使用H&E染色组织学切片直接预测HRD状态，无需分子检测，并能通过迁移学习适用于卵巢癌，分类出更多HRD患者且显示更好的临床结局	未提及具体限制，但可能包括样本选择偏倚、泛化性验证范围有限或依赖TCGA数据等（基于摘要推断）	开发一种从常规病理切片预测HRD和铂类药物反应的深度学习方法，以提供替代分子检测的快速诊断工具	乳腺癌和卵巢癌患者样本，包括原发和转移性癌症，以及接受铂类或非铂类治疗的临床队列	数字病理学, 深度学习	乳腺癌, 卵巢癌	组织病理学切片分析	深度学习平台	苏木精-伊红染色组织切片图像	训练集：1008例乳腺癌和459例卵巢癌；验证集：349例乳腺癌和141例卵巢癌（来自多个独立数据集）	PyTorch	卷积神经网络	接受者操作特性曲线下面积、风险比和置信区间	未提及具体GPU或计算资源
18	2026-09-04	Enhancing chemistry-intuitive feature learning to improve prediction performance of optical properties 2024-Oct-30, Chemical science IF:7.6Q1 DOI:10.1039/d4sc02781g PMID:39381129	研究论文	本文开发了一种增强化学直觉子图和边学习的深度学习框架，结合领域知识改进消息传递神经网络，以更准确地预测发光体的光学性质。	通过增强化学直觉的子图和边学习，并耦合先验领域知识到MPNN中，从有限数据集更好地捕捉与光学性质相关的结构特征，实现了对四种重要光学性质预测的最高精度。	未在摘要中明确提及局限性。	开发一种快速且准确的光学性质预测方法，以提高发光体在多种领域的应用效率。	发光体（emitters）及其光学性质（吸收波长、发射波长、光致发光量子产率、半高全宽）。	机器学习	不适用	深度学习	消息传递神经网络（MPNN）	光学性质数据（来自五个不同的光学数据集）	未在摘要中明确指明，但提到使用了有限数据集和五个不同的光学数据集。	未在摘要中明确指明	MPNN（消息传递神经网络）	准确率（推断，但未明确列出具体指标）	未在摘要中明确指明
19	2026-08-26	Deep learning-based image quality assessment for optical coherence tomography macular scans: a multicentre study 2024-10-22, The British journal of ophthalmology DOI:10.1136/bjo-2023-323871 PMID:39033014	研究论文	开发并外部测试用于评估Cirrus和Spectralis光学相干断层扫描三维黄斑扫描图像质量的深度学习模型	首次提出针对不同OCT设备（Cirrus和Spectralis）分别采用3D ResNet-18和多实例学习框架进行图像质量评估，并在多中心外部数据集上验证了模型的鲁棒性	回顾性研究设计，可能引入选择偏差；模型性能在不同设备间存在差异，可能需针对特定设备进行微调	开发并外部验证用于自动评估OCT三维黄斑扫描图像质量的深度学习模型，以支持全自动眼病检测流程	Cirrus和Spectralis OCT设备采集的三维黄斑扫描图像，涵盖多种眼病（如糖尿病性黄斑水肿、年龄相关性黄斑变性、息肉状脉络膜血管病变和病理性近视）及正常眼	计算机视觉、数字病理	糖尿病性黄斑水肿、年龄相关性黄斑变性、息肉状脉络膜血管病变、病理性近视	OCT成像	3D ResNet-18、多实例学习（MIL）	OCT三维扫描图像	训练集含2277个Cirrus扫描和1557个Spectralis扫描，另有多个外部测试集（来自新加坡、印度、澳大利亚和香港）	NA	3D ResNet-18，多实例学习框架下的ResNet-18	AUC	NA
20	2026-08-23	A deep learning model for generating [18F]FDG PET Images from early-phase [18F]Florbetapir and [18F]Flutemetamol PET images 2024-10, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06755-1 PMID:38861183	研究论文	本研究旨在利用深度学习从早期淀粉样蛋白PET图像生成[18F]FDG PET图像，以减少扫描次数和辐射剂量	首次使用SwinUNETR模型从早期淀粉样蛋白PET图像合成[18F]FDG PET图像，并验证其在临床评估中的相似性	未提及	评估深度学习在从早期淀粉样蛋白PET图像合成[18F]FDG PET图像中的价值，以减少多个PET扫描	包括认知正常个体、轻度认知障碍和痴呆患者的脑部PET和MRI图像	医学图像分析	阿尔茨海默病	PET成像	Transformer	图像	166名受试者，其中认知正常72名，轻度认知障碍73名，痴呆21名	PyTorch	SwinUNETR	临床相似性评分、Dice系数、相关性分析（斜率、R²、P值）	NA